融合注意力机制与LSTM 的建筑能耗预测模型研究

邵必林，史洋博，赵 煜

（西安建筑科技大学管理学院，陕西西安 710055）

0 引言

随着经济社会的快速发展，建筑规模不断增大，建筑能耗也逐年增长。国际能源署（International Energy Agency，IEA）发布了《2018-2040 能源效率分析及展望》［1］，指出2017 年建筑能耗占全球能耗的30%左右，而且在未来一段时期内仍会持续增长。建筑能耗预测是实现建筑节能的前提，相对准确、有效、合理的建筑能耗预测模型是节能与控制能耗的基础。未来建筑能耗呈现较大的不确定性，如何评估和预测建筑能耗，对于电能需求响应、电网实时平衡具有重要作用。

目前，建筑能耗预测方法主要分为工程方法和数据驱动方法。传统的工程方法主要利用物理学对建筑整体和子组件能源消耗进行计算。Fumo 等［2］应用度日法并结合动态城市气象模型计算建筑物的能源预算，结果表明其计算准确率优于其他方法；许馨尹等［3］应用EnergyPlus 软件对西安高层住宅及办公建筑进行气候变化下的建筑能耗动态模拟并进行定量分析，发现随着气候的变化建筑能耗有所不同；Jahanshahi 等［4］利用EnergyPlus 软件模拟能耗输出变量，并结合能耗小时分布情况预测建筑能耗，实例中每小时误差值在10%以内。但这些工程方法是将精确的建筑自身结构参数和外部环境参数作为仿真工具的输入数据，数据获取难度大、成本高。

数据驱动方法主要包括传统的统计回归、机器学习以及深度学习等方法。大多数建筑能耗预测方法都是基于时间序列数据分析，常见的时间序……